Imagine que você passou vinte anos aprendendo a vender. Aprendeu que "só restam 2 unidades" cria urgência. Que preço riscado faz o desconto parecer maior. Que contagem regressiva acelera a compra. Tudo isso funciona porque o cérebro humano tem atalhos previsíveis — medo de perder, ancoragem, escassez. Só que agora existe um novo tipo de comprador entrando na loja: o agente de IA. E ele não necessariamente cai nos mesmos truques.

Pesquisadores da University of London e King's College testaram oito táticas clássicas de e-commerce em quatro modelos de IA diferentes, em mais de 16 mil rodadas de compra simulada. O resultado é desconfortável: das oito táticas, só uma funcionou de forma consistente em todos os modelos. As outras sete tiveram efeitos imprevisíveis, alguns nulos, e em pelo menos um caso o efeito foi o oposto do esperado.

A pergunta natural é: o que ainda funciona? E a resposta é decepcionante para quem vive de psicologia de conversão: avaliações e preço.

Avaliações altas aumentaram a seleção em todos os modelos, em todas as categorias de produto. Preço mais alto reduziu a seleção, como esperado. Fim. Todo o resto — contagem regressiva, preço riscado, badges de escassez, vouchers, bundles, prova social com número de compras — variou caso a caso, modelo a modelo, sem padrão estável. Em alguns casos a tática ajudava, em outros era indiferente, e às vezes o mesmo badge produzia efeitos opostos no mesmo modelo, dependendo da categoria de produto.

O ponto mais importante é: mesmo quando uma tática influenciou o agente, ela não funcionou pelo motivo que funciona em humano. Escassez não gerou FOMO no agente. Preço riscado não gerou ancoragem. O sinal pode até ter mexido a decisão, mas a mecânica é outra, imprevisível e instável. Para quem trabalha com marketing, isso significa que toda a base teórica que sustentava as decisões de página de produto virou hipótese aberta — não princípio.

Uma das descobertas mais incômodas do estudo é que os modelos não respondem todos iguais. Os modelos mais simples — Gemini 2.5 Flash Lite, GPT-4.1-mini — foram mais sensíveis aos truques tradicionais de promoção. Os modelos com raciocínio mais avançado — GPT-5, Gemini 2.5 Pro — foram menos sensíveis.

A intuição diz que uma IA mais avançada deveria ser mais racional, mais difícil de manipular com truques, mais focada em escolher o melhor produto. Mas os pesquisadores descobriram algo a mais: os modelos avançados não estão só ignorando a persuasão — em vários casos, eles parecem penalizar páginas com táticas agressivas, como se interpretassem aqueles sinais como evidência de baixa qualidade ou manipulação.

Em outras palavras: o badge vermelho piscando, que ainda funciona em muito comprador humano, está virando red flag para os agentes que importam mais. Quanto melhor o modelo, mais a sua persuasão joga contra você. E como esses modelos avançados tendem a ser justamente os escolhidos por compradores mais qualificados, o problema é dobrado.

Marqueteiros sempre segmentaram público por demografia, geografia, comportamento, psicografia. A pesquisa sugere uma nova variável: o modelo de IA em si.

A lógica é estranha mas faz sentido. Se cada modelo responde de um jeito diferente a cada tipo de incentivo, então cada modelo é, na prática, um segmento com seu próprio perfil de resposta. O GPT-5 reage de um jeito, o Gemini 2.5 Pro reage de outro, e a versão mais barata de cada um reage de um terceiro. Tratar todos como o mesmo cliente é o mesmo erro que era tratar todo público brasileiro como uma persona única.

Tem ainda uma camada extra: o agente não chega ao seu site com preferências próprias. Ele chega com o prompt do usuário. Um comprador que digita "ache o melhor fone com avaliação acima de 4.5 estrelas até 500 reais" deu uma instrução completamente diferente de outro que digita "me ache o mais barato que chega amanhã". O comportamento do agente é moldado por essas instruções. Entender como os seus clientes conversam com seus agentes virou uma forma nova de pesquisa de consumidor — provavelmente a forma mais importante dos próximos anos.

A pesquisa não termina em "está tudo perdido". Ela aponta algumas direções concretas:

1. Acertar os fundamentos antes de qualquer "otimização para agente": Preço competitivo e perfil de avaliações reais e fortes. Sem isso, nenhum truque vai salvar — e com isso, talvez você nem precise dos truques. É a base que funciona em humano e em máquina.

2. Identificar quais modelos de IA estão trazendo tráfego: Conforme protocolos de comércio como o UCP do Google amadurecem, fica mais fácil saber qual agente está olhando sua loja. Comece otimizando para os modelos que mais geram transações na sua categoria — é o mesmo movimento que marcas fizeram em 2012, quando otimizaram primeiro para o dispositivo dominante antes de construir experiência totalmente responsiva.

3. Estudar como seus clientes falam com agentes: Que tipo de pedido eles fazem? Otimizam pelo mais barato, pelo mais bem avaliado, pelo de entrega mais rápida? Isso é pesquisa de consumidor moderna. As marcas que entenderem o vocabulário dos prompts vão garantir que seus produtos apareçam nas perguntas certas.

4. Construir ambiente de simulação interno: O efeito que você mede hoje não é o mesmo que vai medir depois do próximo modelo. Cada release, ajuste fino ou nova camada de segurança pode mudar como o agente responde a preço, urgência, prova social. Qualquer estratégia fixa de otimização para agente tem prazo de validade curto. Empresas vão começar a manter banco de dados versionado de comportamento de agente, indexado por modelo, para detectar quando uma tática parou de funcionar ou começou a jogar contra.

5. Saber a hora de baixar o volume da persuasão: A descoberta mais contraintuitiva da pesquisa: às vezes a melhor jogada é justamente parar de tentar persuadir. As marcas que vão ganhar são as disciplinadas o suficiente para reconhecer quando a própria persuasão virou o problema.

No primeiro artigo, a provocação era: e se os truques clássicos do e-commerce pararem de funcionar quando o comprador for uma IA? A Shopify mostra o outro lado da mesma moeda: o tráfego vindo de plataformas de IA — ChatGPT, Perplexity, Claude, Copilot, Gemini — já converte quase 50% mais que o tráfego do Google orgânico, e gera ticket médio 14% maior.

E não é volume pequeno crescendo do zero: no primeiro trimestre de 2026, sessões vindas de IA cresceram 8x ano contra ano. Pedidos vindos de IA cresceram quase 13x.

A explicação para por que a IA converte tão melhor está em como ela muda a jornada de compra antes mesmo do cliente chegar na sua loja. Na jornada tradicional do Google, o consumidor faz de 3 a 5 buscas, visita de 8 a 12 páginas em sites diferentes, abandona, volta dias depois, compara mais um pouco, finalmente compra. Descoberta e consideração são fases longas, espalhadas por várias sessões. E quando ele chega no seu site, normalmente cai na home ou numa página de coleção, ainda em modo "explorando".

Na jornada via IA, tudo isso acontece dentro de uma única conversa. O comprador descreve o que quer, a IA filtra critérios, mostra opções, compara, recomenda. Quando o usuário finalmente clica para o seu site, ele já decidiu. Não está mais explorando — está executando.

O dado que comprova isso é direto: 55% das sessões vindas de IA começam direto na página do produto, contra apenas 20% das sessões orgânicas. Mais da metade dos visitantes de IA pula a vitrine inteira e cai exatamente no produto que quer comprar. Isso tem nome agora: compressão da jornada. A IA colapsa pesquisa, comparação e decisão em uma conversa só, e entrega na sua porta um comprador pré-qualificado.

A história do e-commerce tem um padrão repetido: quem investiu em mobile em 2012 capturou anos de vantagem. Quem entrou em social commerce em 2019, idem. Em ambos os casos, esperar o canal amadurecer significou competir em pé de igualdade depois — quando já era tarde para construir vantagem.

A Shopify lista cinco ações práticas para quem quer se posicionar agora, antes do canal ficar saturado:

1. Medir a IA como canal próprio: No painel de analytics, separar o tráfego vindo de ChatGPT, Perplexity, Claude, Copilot e Gemini. Comparar conversão, AOV e receita por sessão com o orgânico. Quem está olhando vai descobrir que esse canal já performa melhor por sessão, mesmo com volume menor. Tratar como ruído dentro do orgânico é exatamente o erro que muitas marcas cometeram com mobile em 2011.

2. Otimizar páginas de produto: Como a IA leva o comprador direto para o produto, sem passar pela home, a página de produto virou a sua vitrine principal. Isso significa HTML bem estruturado, descrições detalhadas, especificações técnicas completas, contexto de uso. O que a IA encontra ali define se ela vai te recomendar. E quando recomendar, define se o comprador vai concluir a compra.

3. Construir autoridade fora do seu site: A IA não decide o que recomendar olhando só o seu domínio. Ela cruza menções em reviews, comentários no X, conteúdos comparativos, coberturas editoriais. Sua reputação distribuída pela internet virou input direto no algoritmo de recomendação.

4. Se preparar para transações via agente: O próximo passo não é o usuário clicar para o seu site — é o agente fechar a compra dentro da plataforma de IA, sem o usuário sequer visitar você. Quem ativar essa integração agora vai ter presença estabelecida quando o volume escalar.

5. Continuar investindo em SEO: O orgânico ainda traz muito mais sessões que IA, e os dois canais se reforçam. Muitos sistemas de IA puxam conteúdo do índice de busca para gerar respostas. Ranquear bem no Google é input direto para ser citado pela IA.

Enquanto escrevia essa edição da newsletter, o Google anunciou no I/O 2026 a maior mudança da história do Search: a busca deixa de ser apenas uma caixa onde você digita palavras-chave e passa a funcionar como uma interface de IA capaz de conversar, pesquisar, acompanhar temas, criar mini apps e até agir por você.

A principal mudança é o AI Mode, agora com o modelo Gemini 3.5 Flash como padrão global. A nova caixa de busca será mais inteligente: você poderá pesquisar com texto, imagem, arquivos, vídeos ou abas do Chrome, além de receber sugestões para formular melhor a pergunta.

O ponto mais interessante é a chegada dos Search agents. Em vez de você voltar ao Google toda hora para pesquisar a mesma coisa, poderá criar agentes que monitoram informações 24/7 e te avisam quando algo relevante acontecer. Exemplos: acompanhar apartamentos que batem com seus critérios, novidades de mercado, lançamentos de produtos ou mudanças em preços.

O Google também está expandindo capacidades agentic para tarefas práticas, como reservas, serviços locais e compras. Em alguns casos, o Search poderá até ligar para empresas em seu nome para verificar informações, começando nos EUA.

Outro anúncio forte é o agentic coding dentro do Search. A busca poderá gerar interfaces sob demanda: tabelas, gráficos, simulações, dashboards e até mini apps personalizados para tarefas contínuas, como planejar uma mudança, organizar um casamento ou acompanhar uma rotina de saúde.

Obrigado por ler o AI Around the Horn.

Perdeu alguma edição? Recupere todos os posts anteriores aqui.